一种测负荷特征大数据监测设备及监测方法技术

本发明专利技术公开了一种测负荷特征大数据监测设备及监测方法，包括Hadoop大数据平台、传感监测模块、任务分配模块、数据储存模块、综合诊断模块以及负荷监测模块，所述传感监测模块用于实时采集气温风速等外部环境信息并将采集信息上传至数据储存模块，所述数据储存模块与Hadoop大数据平台通信连接并执行信息互通，所述数据储存模块用于缓存实时监测数据和离线历史数据并将缓存信息实时同步至Hadoop大数据平台。上述方案，所述综合诊断模块通过对各个节点监测段的监测信息以及历史数据分析进行分析预测，在满足一定精度要求的条件下，确定未来时间段的负荷数据，为系统提供准确的短期负荷预测结果，有助于提高系统的安全性和稳定性，减少成本投入。

【技术实现步骤摘要】
一种测负荷特征大数据监测设备及监测方法
本专利技术涉及大数据监测
，更具体地说，本专利技术具体为一种测负荷特征大数据监测设备及监测方法。
技术介绍
为了解决能源安全和环保问题，应对气候变化，抢占产业的制高点，创造新的经济增长点，世界各国的智能电网建设已经全面启动。智能电网技术是将先进的传感器技术、信息通信技术、分析决策技术、自动控制技术、能源电力技术及电网基础设施高度集成的新型现代化电网，实现对发电、输电、配电、用电领域的高度管理和控制，电力系统长短期负荷预测结果关系到电力系统调度运行和生产计划的制定，电网中短期负荷预测监测主要根据自然条件与人为影响等多个影响因素与负荷的非线性关系，在满足一定精度要求的条件下，确定未来几天的负荷数据，准确的短期负荷预测结果有助于提高系统的安全性和稳定性，能够减少发电成本。随着智能电网建设的加快，输电电缆的数量与日俱增，对其监控的传感器数量也与日俱增，其产生的监控数据量变大，监控数据量产生的速度变快,为保障电力部门对于台区内设备的维护,需要预测台区的负荷，因此供电部门就必须具备预测未来一年以至更长时间的台区负荷的能力,防止因负荷过载对变压器造成损坏,并保证城市的可靠供电。对台区负荷的预测难点在于对于城中村的预测,城中村流动人口多,产业类型复杂多样,受就业环境、经济发展的影响深,表现为负荷的变化相较于其他的台区随机性更强。负荷预测监测的建模与预测是根据历史数据资料所包含的信息，建立理想的模型及处理随机因素仍然是负荷预测监测的主要问题，影响负荷预测精度的原因是多方面的，具体可分为三个方面：(1)影响因素的不确定性导致负荷规律难以把握，影响负荷走势的因素中包括温度、降水等天气因素，又包含重大设备检修、重大文体活动等人为因素的影响，这些因素呈现显著的随机性和不确定性，因此负荷时间序列的变化呈现非平稳的随机过程。(2)负荷预测模型的质量直接关乎预测精度的高低，负荷预测模型的建模与预测是依据历史数据资料所包含的信息，因此预测模型反映历史数据所包含信息的有效性和程度决定了预测水平的高低；(3)信息不完整，由于大量用户的用电行为与影响因素(如气象因素)之间的关系在历史数据中是没有记载的，信息的缺失和不完整是无法避免的，这些因素是负荷预测误差进一步减小的瓶颈。这些都是智能电网建设及待解决的问题。大数据的发展为海量数据的存储及处理提供了有效手段，数据量大、数据量种类多、数据量产生的速度快这些都是大数据的特征，而目前电缆监控产生的数据符合大数据的要求，因此本专利技术提出利用大数据建立电力电缆有效监控系统，可以提高电力电缆监测状态监测的准确性和可靠性，具有重大意义。
技术实现思路
为了克服现有技术的上述缺陷，本专利技术的实施例提供一种测负荷特征大数据监测设备及监测方法，所述综合诊断模块通过对各个节点监测段的监测信息以及历史数据分析进行分析预测，在满足一定精度要求的条件下，确定未来时间段的负荷数据，为系统提供准确的短期负荷预测结果，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案，一种测负荷特征大数据监测设备及监测方法，包括Hadoop大数据平台、传感监测模块、任务分配模块、数据储存模块、综合诊断模块以及负荷监测模块，所述传感监测模块用于实时采集气温风速等外部环境信息并将采集信息上传至数据储存模块，所述数据储存模块与Hadoop大数据平台通信连接并执行信息互通，所述数据储存模块用于缓存实时监测数据和离线历史数据并将缓存信息实时同步至Hadoop大数据平台，所述综合诊断模块的输入端电性连接有气象数据调度单元，所述气象数据调度单元用于从Hadoop大数据平台调度历史气象信息，所述综合诊断模块用于将接收后的信息进行数据整合并处理随机因素对电网负荷进行合理预测并进行反馈处理，所述负荷监测模块用于输出综合诊断模块的预测信息以及传感监测模块的监测信息；所述综合诊断模块包括缓存单元、数据处理单元、算法处理单元和系统反馈单元，所述数据处理单元用于分析处理接收的实时监测数据和离线历史数据，所述算法处理单元内部设有CART决策树算法用于进行预测因素的分类；以及灰色关联分析法，用于执行各个因素的筛选并确立关键因素。优选地，所述Hadoop大数据平台包括有HDFS分布式文件系统、YARN分布式资源调度、MapReduce分布式离线计算模块，所述Hadoop大数据平台内部储存有历史气象信息、历史环境监测信息以及气象因素与负荷函数关系算法。优选地，所述传感监测模块包括有温度传感器、风速传感器、氧气浓度传感器、接地电流传感器和GPS传感器，所述传感监测模块内部设有电网监测单元，所述电网监测单元用于判断电网实时负荷。优选地，所述任务分配模块用于根据操作提交的任务指令请求启动任务分配进行特定的负荷给定输入。优选地，所述数据处理单元用于分析缓存单元提供的实时监测数据和离线历史数据，工作时需要数据处理单元和算法处理单元协同工作，所述系统反馈单元用于将诊断结果反馈至负荷监测模块进行显示。测负荷特征大数据监测设备的监测方法，包括以下步骤，S1：各监测节点位置通过传感器实时采集相应的监测数据并通过GPS传感器进行数据标记匹配对应的节点位置，并将监测数据上传至存储模块，通过综合诊断模块接收各项信息并进行数据处理分析；S2：负荷函数类别分析：通过负荷函数的走势与日类型，天气因素等密切相关的环境因素,对历史负荷函数的类别分析是负荷预测的基础步骤，进行合理的数据挖掘技术—类别分析能够将负荷量相近的负荷日期归为一类，将其由零散分布的独立样本逐渐归为趋势相近的若干类；S3：确立关键因素和建立分类规则：分别通过灰色关联分析法和CART决策树算法对影响负荷的关键因素进行关联度排序，并剔除一些非关键以及无影响的因素，得出待预测日之前一段时间的历史负荷曲线的分类结果和影响负荷的关键因素并进行待预测日归类；S4：训练预测模型并预测以及计算总负荷量：将每类的负荷数据及相应的关键因素数据构建训练样本，根据目标预测系统，累加所有用户负荷，并考虑电网自然损耗，即可得出最终的系统负荷。优选地，在步骤S2中关键因素包括温度因素、降水量因素以及风速因素以及通过上述因素判断所得的天气情况。优选地，在步骤S3中根据待预测日的特征因素对待预测日通过相同的CART决策树中得到分类结果。优选地，在步骤S1中将实时监测数据上传至HDFS分布式文件系统；当用户提交数据分析指令时，任务分配模块进行启用，将存储模块存储的监控对象实时数据通过高速双向数据与离线历史数据一起传输通道传输至Hadoop大数据平台的MapReduce分布式离线计算模块，利用MapReduce分布式离线计算模块进行分析处理。本专利技术的技术效果和优点：1、上述方案中，所述综合诊断模块通过对各个节点监测段的监测信息以及历史数据分析进行分析预测，在满足一定精度要求的条件下，确定未来时间段的负荷数据，为系统提供准确的短期负荷预测结果，有助于提高系统的安全性和稳定性，减少成本文档来自技高网...

【技术保护点】
1.一种测负荷特征大数据监测设备，其特征在于，包括Hadoop大数据平台、传感监测模块、任务分配模块、数据储存模块、综合诊断模块以及负荷监测模块，所述传感监测模块用于实时采集气温风速等外部环境信息并将采集信息上传至数据储存模块，所述数据储存模块与Hadoop大数据平台通信连接并执行信息互通，所述数据储存模块用于缓存实时监测数据和离线历史数据并将缓存信息实时同步至Hadoop大数据平台，所述综合诊断模块的输入端电性连接有气象数据调度单元，所述气象数据调度单元用于从Hadoop大数据平台调度历史气象信息，所述综合诊断模块用于将接收后的信息进行数据整合并处理随机因素对电网负荷进行合理预测并进行反馈处理，所述负荷监测模块用于输出综合诊断模块的预测信息以及传感监测模块的监测信息；/n所述综合诊断模块包括缓存单元、数据处理单元、算法处理单元和系统反馈单元，所述数据处理单元用于分析处理接收的实时监测数据和离线历史数据，所述算法处理单元内部设有CART决策树算法用于进行预测因素的分类；以及灰色关联分析法，用于执行各个因素的筛选并确立关键因素。/n

【技术特征摘要】
1.一种测负荷特征大数据监测设备，其特征在于，包括Hadoop大数据平台、传感监测模块、任务分配模块、数据储存模块、综合诊断模块以及负荷监测模块，所述传感监测模块用于实时采集气温风速等外部环境信息并将采集信息上传至数据储存模块，所述数据储存模块与Hadoop大数据平台通信连接并执行信息互通，所述数据储存模块用于缓存实时监测数据和离线历史数据并将缓存信息实时同步至Hadoop大数据平台，所述综合诊断模块的输入端电性连接有气象数据调度单元，所述气象数据调度单元用于从Hadoop大数据平台调度历史气象信息，所述综合诊断模块用于将接收后的信息进行数据整合并处理随机因素对电网负荷进行合理预测并进行反馈处理，所述负荷监测模块用于输出综合诊断模块的预测信息以及传感监测模块的监测信息；
所述综合诊断模块包括缓存单元、数据处理单元、算法处理单元和系统反馈单元，所述数据处理单元用于分析处理接收的实时监测数据和离线历史数据，所述算法处理单元内部设有CART决策树算法用于进行预测因素的分类；以及灰色关联分析法，用于执行各个因素的筛选并确立关键因素。


2.根据权利要求1所述的测负荷特征大数据监测设备，其特征在于，所述Hadoop大数据平台包括有HDFS分布式文件系统、YARN分布式资源调度、MapReduce分布式离线计算模块。


3.根据权利要求1所述的测负荷特征大数据监测设备，其特征在于，所述Hadoop大数据平台内部储存有历史气象信息、历史环境监测信息以及气象因素与负荷函数关系算法。


4.根据权利要求1所述的测负荷特征大数据监测设备，其特征在于，所述传感监测模块包括有温度传感器、风速传感器、氧气浓度传感器、接地电流传感器和GPS传感器，所述传感监测模块内部设有电网监测单元，所述电网监测单元用于判断电网实时负荷。


5.根据权利要求1所述的测负荷特征大数据监测设备，其特征在于，所述任务分配模块用于根据操作提交的任务指令请求启动任务分配进行特定的负荷给定输入。


6.根据权利要求1所述的测负荷特征大数据监测设备，其特征在于，所述数据处理单元用于分析缓存单元提供...

【专利技术属性】
技术研发人员：徐勇，单周平，何军民，向洁，向运琨，曾麟，何哲，
申请(专利权)人：国网湖南综合能源服务有限公司，
类型：发明
国别省市：湖南;43